1.8 CAP和BASE理论
-
传统的ACID
- A(Atomicity)原子性:原子性很容易理解,也就是说事务里的全部操做要么所有作完,要么都不作,事务成功的条件是事务里的全部操做都成功,只要有一个操做失败,整个事务就失败,须要回滚。好比银行转帐,从A帐户转100元至B帐户,分为两个步骤:1)从A帐户取100元;2)存入100元至B帐户。这两步要么一块儿完成,要么一块儿不完成,若是只完成第一步,第二步失败,钱会莫名其妙少了100元。
- C(Consistency)一致性:一致性也比较容易理解,也就是说数据库要一直处于一致的状态,事务的运行不会改变数据库本来的一致性约束。
- I(Isolation)隔离性:所谓的独立性是指并发的事务之间不会互相影响,若是一个事务要访问的数据正在被另一个事务修改,只要另一个事务未提交,它所访问的数据就不受未提交事务的影响。好比现有有个交易是从A帐户转100元至B帐户,在这个交易还未完成的状况下,若是此时B查询本身的帐户,是看不到新增长的100元的
- D(Durability)持久性:持久性是指一旦事务提交后,它所作的修改将会永久的保存在数据库上,即便出现宕机也不会丢失。
-
NOSQL数据库中CAP原理CAP+BASE,一般CAP理论三个条件中有且只能满足两个
- C:Consistency(强一致性):访问所有的节点得到的数据应该是一样的。注意,这里的一致性指的是强一致性,也就是数据更新完,访问任何节点看到的数据完全一致,要和弱一致性,最终一致性区分开来。
- A:Availability(可用性):所有的节点都保持高可用性。注意,这里的高可用还包括不能出现延迟,比如如果节点B由于等待数据同步而阻塞请求,那么节点B就不满足高可用性。也就是说,任何没有发生故障的服务必须在有限的时间内返回合理的结果集
- P:Partition tolerance(分区容错性):指网络意义上的分区。由于网络是不可靠的,所有节点之间很可能出现无法通讯的情况,在节点不能通信时,要保证系统可以继续正常服务。
-
CAP理论的核心是:在分布式存储系统中,最多只能实现上面的两点。而因为当前的网络硬件确定会出现延迟丢包等问题,因此分区容忍性是必须须要实现的。因此咱们只能在一致性和可用性之间进行权衡,没有NoSQL系统能同时保证这三点。因此,CAP原理将NOSQL数据库分成了满足以下原则的三大类:
- CA:单点集群,满足一致性,可用性的系统,通常在可扩展性上不太强大。如:传统RDBMS数据库
- CP:满足一致性、分区容错性的系统,通常性能不是特别高。如:Redis、MongoDB、HBase
- AP:满足可用性、分区容错性的系统,通常可能对一致性要求低一些。如:CouchDB、Cassandra、DynamoDB。大多数网站架构的选择
在某个节点挂掉的时候 要满足c 强一致性 就必须要down掉所有的节点但是 满足a高可用性 就只需要挂掉这一个节点 他们是互相矛盾的,所以只能3进2
注意:
分布式架构的时候必须作出取舍。一致性和可用性之间取一个平衡。多余大多数web应用,其实并不须要强一致性。所以牺牲C换取P,这是目前分布式数据库产品的方向.
一致性与可用性的决择:从 对于web2.0网站来说,关系数据库的很多主要特性却往往无用武之地
数据库事务一致性需求:很多web实时系统并不要求严格的数据库事务,对读一致性的要求很低, 有些场合对写一致性要求并不高。允许实现最终一致性。
数据库的写实时性和读实时性需求:对关系数据库来说,插入一条数据之后立刻查询,是肯定可以读出来这条数据的,但是对于很多web应用来说,并不要求这么高的实时性,比方说发一条消息之 后,过几秒乃至十几秒之后,我的订阅者才看到这条动态是完全可以接受的。
对复杂的SQL查询,特别是多表关联查询的需求:任何大数据量的web系统,都非常忌讳多个大表的关联查询,以及复杂的数据分析类型的报表查询,特别是SNS类型的网站,从需求以及产品设计角 度,就避免了这种情况的产生。往往更多的只是单表的主键查询,以及单表的简单条件分页查询,SQL的功能被极大的弱化了。
-
BASE:为了解决关系数据库强一致性引起的问题而引起的可用性降低而提出的解决方案。BASE由三个术语缩写:
- 基本可用(Basically Available)
- 软状态(Soft state)
- 最终一致性(Eventually Consistent)
-
BASE理论思想:通过系统放松对某一时刻数据一致性的要求来换取系统整体伸缩性和性能上的改观,就是在于大型系统往往由于地域分布和极高性能的要求,不可能采用分布式事务来完成这些指标,要想获得这些指标,我们必须采用另一种方式来完成,而BASE就是解决这类问题的办法。